Ataraxos、Stratego史上最強の選手を破る 計算コストはDeepMindのDeepNashの約500分の1
研究チームが開発したAtaraxosは、Stratego史上最強の選手Niemeijerとの対局で有効勝率85%を達成し、この不完全情報ボードゲームにおける人類の優位に終止符を打った。
#推論
#推論
今日 1 件10月1日
9月16日
Google Research、RLを拡散モデルに編み込むRetrieve-for-Trainで検索クエリー展開を高速化
Google ResearchはRetrieve-for-Trainを提案した。オフライン強化学習で報酬に沿うクエリー展開を見つけ、教師信号に変えて53.9Mの拡散検索器へ蒸留する。推論時は1回の非自己回帰でクエリーを展開し、CoT推論トークンを生成しない。
9月8日
OpenAI、AI生成のナビエ–ストークスのミレニアム懸賞問題解答を共有
OpenAIは、AIが生成したナビエ–ストークスのミレニアム懸賞問題の解答を共有した。説明文とLeanの形式証明を含む。
9月2日
Hugging Face、LLMベンチマークが何を測るか監査するBenchMIRTを公開
Hugging Faceは多次元項目反応理論（MIRT）で個別プロンプト単位のベンチマークを監査するBenchMIRTを公開した。安全性と汎用推論の2主要次元を分離する。100モデル、16ベンチマーク、34K超の設問で学習し、評価対象を教えずとも安定して2次元を再現した。BBQやWMDPなどの安全性の得点は汎用推論との関係が強く、単一得点が複数の信号を混ぜる可能性を示す。
8月25日
Multiverse ComputingがQuantization-Aware Healingを提案、4-bit圧縮モデルが9項目中7項目でbfloat16版を上回る
Multiverse ComputingはQuantization-Aware Healing（QAH）を提案する論文を公開した。GPT-OSS 120Bを60Bパラメーターへ圧縮しMXFP4へ量子化した後、復元したbfloat16チェックポイントではなく、圧縮前の元モデルから直接蒸留する。
8月17日
Import AI 469：DiG-bench、RSIシミュレーター、Zuckerbergの技術悲観論
Import AI 469は、ルールと目標を隠し、対話的探索で発見する70ゲームのDiG-benchを紹介した。Claude Codeと組み合わせたOpus 5とFable 5が最良で、この2モデルだけがTier 7の一部を攻略した。人は100%攻略できる。
8月13日
MindTopo、Microsoft Research がマルチモーダル大規模モデルの位相推論を評価
Microsoft Research は、接続、閉鎖、順序、分離、結び目の五つの位相関係の推論・計画を評価する MindTopo を公開した。現モデルは静止画認識が対話的計画より明らかに強く、失敗は知覚より計画で起こり、全体に人間を大幅に下回る。画像・動画生成は単一フレームで構造関係を保つ場合のみ有用で、複数操作後は位相を変えたり制約を破ったりしやすい。
7月31日
Google Research、証拠の連鎖で自律研究を検証する Science One Framework を提案
Google Research は検証可能性の Chain-of-Evidence（CoE）フレームワークを公開し、Science One Framework の試作で実装した。CoE Audit の自動監査指標も提供する。
7月29日
CUDAからMLXへ：K-Searchが数十年のカーネル知識をApple Siliconに移す方法
Berkeley AI ResearchとIBM Researchは進化的カーネル探索のK-SearchをMLXに拡張した。構造化したCUDA-to-MLX変換層で、既存のCUDAカーネル知識をApple Siliconに移す。
7月26日
Berkeley AI Research、信念状態の教師付けで長い対話を効率化する ABBEL
Berkeley AI Research は ABBEL を提案した。LLM の要約を自然言語の「信念状態」として分離し教師付けし、自己符号化器に着想を得た再構成型の信念評価を補助 RL 課題にする。CollabBench では ABBEL-rec-BG が全コンテキストモデルとの性能差を約50%縮め、訓練ステップを100から50に減らし、最大トークン長も全コンテキスト設定より短かった。
6月25日
Google Research、推論がLLMのパラメトリック知識の想起を開く仕組みを研究
Google ResearchのCOLM 2026論文は、単純な1段階の質問でも、推論過程が通常は想起できない事実知識を引き出すと示した。Gemini-2.5 FlashとPro、Qwen3-32Bで確認した。追加トークンが「計算バッファー」になることと、関連事実を先に出して正答へ意味的に準備する「事実プライミング」の2機構を発見した。中間事実の自己生成には幻覚リスクもある。
4月20日
GRASP、世界モデルの勾配に基づく長期計画手法
Berkeley AI Researchは学習済み世界モデルの勾配計画器GRASPを提案した。軌跡を仮想状態へ引き上げて時系列を並列最適化し、状態反復に乱数を直接注入して探索する。勾配を整えて行動へ明確な信号を送り、高次元視覚モデルの脆い「状態–入力」勾配を避け、長期計画を実用的かつ頑健にする。
4月16日
Google、推論を使う合成データ生成 Simula を提案
Google は推論優先の合成データ基盤 Simula を提案した。データセット構築を機構設計問題として捉え直し、全体の多様化、局所の多様化、複雑化、二つの批評役による品質確認の四段階で、種データなしにゼロから作成する。
3月25日
Google、ベクトル圧縮 TurboQuant を公開、KV キャッシュを3 bit に圧縮
Google Research は TurboQuant を公開した。訓練や微調整なしで、モデル精度を損なわず KV キャッシュを3 bitに量子化できる。QJL と PolarQuant の二手法も提案した。
3月13日
Berkeley AI Research、LLM の重要な相互作用を大規模に特定する SPEX と ProxySPEX
Berkeley AI Research は、特徴、データ、モデル部品への寄与分析で LLM 出力を左右する相互作用を大規模に特定する SPEX と ProxySPEX を提案した。SPEX は疎性と低次数を使い探索を疎な復元問題へ変え、ProxySPEX は階層構造も使い、約10分の1のアブレーションで SPEX と同等性能を得る。
11月1日
TD学習を使わない強化学習：分割統治でオフポリシーRLを拡張
Berkeley AI ResearchはTD学習に依存しない分割統治のオフポリシー強化学習を提案した。Bellman再帰の回数を線形から対数へ減らし、長い期間のタスクへ拡張する。